Analisis Mann – Whitney U – Test Analisis Uji Beda Analisis Regresi Linier Berganda

observasi lainnya. Hal ini sering ditentukan pada data runtut waktu timeseries karena gangguan pada seorang kelompok cenderung mempengaruhi gangguan pada kelompok yang sama pada periode berikutnya 3.9. Metode Analisa 3.9.1. Analisis Logistic Regression Pengujian untuk masalah pertama yaitu Pada Tingkat Pendapatan berapa pergeseran konsumen berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Marelan, Kota Medan. Diuji dengan menggunakan metode analisa Logistic regression, dimana analisa Logistic regression sebetulnya mirip dengan analisis diskriminan yaitu untuk menguji apakah probabilitas terjadinya variabel terikat dapat diprediksi dengan variabel bebasnya. Asumsi multivariate normal distribution tidak dapat dipenuhi karena variabel bebas merupakan campuran antara variabel continue metric dan kategorial non metric . Dalam hal ini dapat dianalisis dengan logistic regression karena tidak perlu asumsi normalitas data pada variabel bebasnya. Jadi Logistic regression umumnya dipakai jika asumsi multivariate normal distribution tidak terpenuhi. Ghozali 2001

3.9.2. Analisis Mann – Whitney U – Test

Untuk menjawab hipotesis masalah kedua yaitu Apakah ada perbedaan persepsi pergeseran konsumen dari retail tradisional ke retail modern di Kecamatan Medan Marelan, Kota Medan. Menggunakan Analisis Mann – Whitney U- Test, dimana pengujian ini digunakan untuk menguji signifikansi hipotesis komparatif dua sampel independent bila datanya berbentuk ordinal test . Universitas Sumatera Utara Bila dalam suatu pengamatan data berbentuk interval. Maka perlu dirubah dulu ke dalam data interval. Sebenarnya dapat menggunakan t test untuk pengujiannya. Tetapi bila asumsi t – test tidak dipenuhi Misalnya data harus normall maka tes ini tidak dapat digunakan. Sugiyono 2003.

3.9.3. Analisis Uji Beda

Analisis Uji Beda ini juga digunakan untuk menjawab hipotesis kedua yaitu Apakah ada perbedaan persepsi pergeseran konsumen dari retail tradisional ke retail modern di Kecamatan Medan Marelan, dimana metode analalsis Uji Beda t test ini untuk mengetahui perbedaan rata-rata dua populasi kelompok data yang independen. Tujuan penggunaan metode analisis adalah untuk mengetahui adanya perbedaan persepsi konsumen terhadap retail tradisional dengan persepsi konsumen terhadap retail modern. Rumus matematis dari t test yang digunakan dalam penelitian ini adalah: � = �� � − �� � ��� � 2 � � � + �� � 2 � � � dimana : X a = rata-rata kelompok persepsi konsumen terhadap retail tradisional X b = rata-rata kelompok persepsi konsumen terhadap retail modern S a = standar deviasi kelompok persepsi konsumen terhadap retail tradisional S b = standar deviasi kelompok persepsi konsumen terhadap retail modern n a = jumlah sampel kelompok persepsi konsumen terhadap retail tradisional n b = jumlah sampel persepsi konsumen terhadap retail modern Universitas Sumatera Utara

3.9.4. Analisis Regresi Linier Berganda

Analisis regresi menguji hipotesa ketiga dan keempat yaitu Apakah ada pengaruh persepsi konsumen terhadap perilaku berbelanja di retail tradisional di Kecamatan Medan Marelan, Kota Medan dan Apakah ada pengaruh persepsi konsumen terhadap perilaku berbelanja retail modern di Kecamatan Medan Marelan, Kota Medan. Analisa regresi linier berganda ini dilakukan untuk melihat hubungan dua variabel berupa hubungan kausal atau fungsional. Analisis regresi digunakan apabila ingin mengetahui bagaimana variabel dependenkriteria dapat diprediksikan melalui variabel independen atau prediktor, secara individual.Penelitian ini menggunakan analisis regresi ganda yang berguna untuk meramalkan bagaimana keadaan naik turunnya variabel dependen kriterium, bila dua atau lebih variabel independen sebagai faktor prediktor dimanipulasi dinaik turunkan nilainya. Jadi, analisis regresi ganda akan dilakukan bila jumlah variabel independennya minimal dua Sugiyono, 1999. Persamaan regresi dalam penelitian ini adalah untuk mengetahui seberapa besar pengaruh variabel independen atau bebas yaitu harga X 1 , kelengkapan produk X 2 , layout X 3 , suasana dan layanan X 4 , lokasi X 5 , promosi X 6 , trend X 7 , prestige X 8 dan pendapatan konsumen X 9 terhadap perilaku berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Merelan Y. Fungsi matematis Y= f x1,x2,x3,x4,x5,x6,x7,x8,x9 Fungsi ini ditransfer kedalam model : Rumus matematis dari regresi linier berganda yang digunakan dalam penelitian ini adalah: Universitas Sumatera Utara Y = a + b 1 X 1 + b 2 X 2 + b 3 X 3 + b 4 X 4 + b 5 X 5 + b 6 X 6 + b 7 X 7 + b 8 X 8 + b 9 X 9 + e Keterangan: Y = Perilaku berbelanja retail tradisional a = constanta b 1 = Koefisien regresi antara harga dengan perpindahan berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Merelan b 2 = Koefisien regresi antara kelengkapan produk dengan perilaku berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Merelan b 3 = Koefisien regresi antara layout dengan perilaku berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Merelan b 4 = Koefisien regresi antara suasana dan layanan dengan perilaku berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Merelan b 5 = Koefisien regresi antara lokasi strategis dengan perilaku berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Merelan b 6 = Koefisien regresi antara promosi dengan perilaku berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Merelan b 7 = Koefisien regresi antara trend dengan perilaku berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Merelan b 8 = Koefisien regresi antara prestige konsumen dengan perilaku berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Merelan b 8 = Koefisien regresi antara pendapatan konsumen dengan perilaku berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Merelan X 1 = Harga Universitas Sumatera Utara X 2 = Kelengkapan produk X 3 = Layout X 4 = Suasana dan layanan X 5 = Lokasi X 6 = Promosi X 7 = Trend X 8 = Prestige X 9 = Indikator pendapatan konsumen e = error disturbances

3.9.5. Uji Parsial Uji t